计算机学院浙江省脑机协同智能技术及应用重点实验室以杭电为第一单位的论文《Closed-Form Convolution for physically-accurate defocus in Gaussian Splatting》发表于计算机图形学领域国际顶级期刊 ACM Transactions on Graphics(ACM TOG)。论文第一作者为戴玮辰副研究员，第一学生作者为麻康程硕士研究生，通讯作者为孔万增教授。ACM TOG是美国计算机协会旗下计算机图形学领域的国际顶级学术期刊,影响因子为13.0，为CCF A类期刊。该论文目前已在ACM Digital Library上线(https://doi.org/10.1145/3821567)，并将作为相关论文成果在SIGGRAPH 2027大会期间进行学术展示。并通过SIGGRAPH委员会推荐到SIGGRAPH 2027宣讲(计算机图形学领域CCF A 类会议)。
论文针对现有3D Gaussian Splatting景深(Depth-of-Field，DoF)建模方法在物理准确性与计算效率之间难以兼顾的问题，提出了一种基于闭式卷积解的物理准确景深渲染方法。该方法从真实相机的薄透镜成像模型出发，将弥散圆与 3D 高斯进行卷积，建立起更符合物理光学规律的 DoF 模型。而针对该卷积积分，论文首次推导出了基于误差函数的闭式解析解，从而规避了传统数值积分与密集采样的计算瓶颈，在确保散焦建模物理准确性的同时，显著提升了渲染效率。基于这一成果，该方法还进一步突破了现有方案的限制，天然支持各向异性高斯、任意多边形光圈形状以及可变焦距与光圈大小的景深渲染，实现了更真实的焦内外过渡与高度可控的散景效果。
该研究在真实感三维场景重建、新视角合成、虚拟现实与数字孪生、影视及数字内容制作等领域，具有重要应用价值。尤其能够为虚拟摄影和三维场景的景深效果模拟提供更加物理准确且高效的技术支撑，并通过对焦距、光圈大小和光圈形状的灵活调节，实现更加丰富的可控视觉效果。